Forskningen bakom Nobelpris brukar oftast har flera decennier på nacken. Så är fallet även med årets Nobelpris i fysik. De båda pristagarna John Hopfield och Geoffrey Hinton påbörjade avgörande forskning på artificiella neuronnätverk under 1980-talet.
Under samma årtionde var Carsten Peterson en ung forskare i teoretisk fysik. Han var själv tidigt ute med att intressera sig för forskningen inom artificiella neuronnätverk.
Varför det?
– År 1982 råkade jag läsa en artikel av John Hopfield där han med ett fysikinspirerat system modellerade ett associativt minne. Jag såg detta ämnesområde som min framtid. 1986 kastade jag mig in i området med egna bidrag till algoritmutveckling. Tidigt insåg jag lovande tillämpningsområden.
Vad såg du på 1980-talet för potential i detta forskningsfält?
– Jag såg en enorm potential i synnerhet när det gällde tillämpningar inom analys av vetenskapliga och kliniska data. Dock återstod på den tiden en del hinder som skulle komma att övervinnas på algoritmsidan. Detta har sedermera skett. Dessutom var tillgängligheten till kraftfulla och uttömmande data för inlärningsprocesserna begränsad. Även här har mycket hänt under den gångna tiden.
År 1991 fick du det prestigefyllda Göran Gustafsson-priset för ledande insatser inom svensk forskning på just artificiella neuronnätverk. Kan du ge några exempel på vad du och dina Lundakollegor sedan har bidragit med under årens lopp inom området?
– Exempelvis har vi använt artificiella neuronnätverk för att ta fram diagnos- och prognosverktyg för olika cancersjukdomar och identifiera metastaser i skelettet vid prostatacancer samt för att analysera mönstret i hjärnbarkens aktivitet hos patienter med Alzheimer. Att hjälpa akutläkare vid hjärtundersökningar av patienter med bröstsmärtor är ett annat exempel. Då tränar man upp de artificiella neuronnätverken till att göra bildtolkningar av hjärtats blodflöde för att kunna bedöma om där är förträngningar i kärlen. Utanför hälsosektorn har vi till exempel också använt tekniken för att förutsäga energikonsumtion i byggnader samt för att analysera data från partikelfysikkollisioner.
Är det något inom forskningsfältet som har överraskat dig särskilt mycket under åren som gått sedan 1980-talet?
– Jag är förvånad att utvecklingen inte gått snabbare när det gäller mogna tillämpningar. För cirka 15 år sedan var ju det mesta på plats. Det har gått för trögt med acceptansen för teknologin. Ett skäl kan vara att artificiella neuronnätverk i många fall utgör en ”svart låda” där besluten kan vara svåra att förklara. Förr var dessutom det traditionella AI-samhället inom datalogin ofta motståndare till neuronnätverksmetoder; man var sedan sent 1970-tal fokuserad på att explicit programmera in logiska regler i mönsterigenkänningsproblem.För cirka tio år sedan svängde man äntligen.
Några farhågor för framtiden kring forskningsområdet?
– Mänskligheten har tidigare klarat av risker som exempelvis atombomb/kärnkraft och bör kunna hantera även denna utmaning. Farorna ska vägas mot de enorma vinsterna. Ett bekymmer man kan ha gäller om kommande generationer kommer att få gedigna kunskaper om de helt förlitar sig på ChatGPT och liknande.
Vad ser du framöver som det största värdet med forskning på artificiella neuronnätverk, internationellt sett?
– Hälsa, miljö och säkerhet!